Рынок заведений общественного питания Москвы

Описание проекта

Инвесторы решили открыть заведение общественного питания в Москве. Таким заведением может стать кофейня.

Необходимо подготовить исследование рынка Москвы, найти интересные особенности и презентовать полученные результаты, которые в будущем помогут в выборе подходящего инвесторам места. Также необходимо дать рекомендации для открытия кофейни (расположение, количество посадосных мест и т.д.)

Доступен датасет с заведениями общественного питания Москвы, составленный на основе данных сервисов Яндекс Карты и Яндекс Бизнес на лето 2022 года. Информация, размещённая в сервисе Яндекс Бизнес, могла быть добавлена пользователями или найдена в общедоступных источниках. Она носит исключительно справочный характер.

Описание данных

Файл moscow_places.csv:

• name — название заведения;
• address — адрес заведения;
• category — категория заведения, например «кафе», «пиццерия» или «кофейня»;
• hours — информация о днях и часах работы;
• lat — широта географической точки, в которой находится заведение;
• lng — долгота географической точки, в которой находится заведение;
• rating — рейтинг заведения по оценкам пользователей в Яндекс Картах (высшая оценка — 5.0);
• price — категория цен в заведении, например «средние», «ниже среднего», «выше среднего» и так далее;
• avg_bill — строка, которая хранит среднюю стоимость заказа в виде диапазона;
• middle_avg_bill — число с оценкой среднего чека, которое указано только для значений из столбца avg_bill, начинающихся с подстроки «Средний счёт»;
• middle_coffee_cup — число с оценкой одной чашки капучино, которое указано только для значений из столбца avg_bill, начинающихся с подстроки «Цена одной чашки капучино»;
• chain — число, выраженное 0 или 1, которое показывает, является ли заведение сетевым (для маленьких сетей могут встречаться ошибки);
• district — административный район, в котором находится заведение, например Центральный административный округ;
• seats — количество посадочных мест.

Презентация с результатами исследования

Презентация

Table of Contents

• 1  Загрузим данные и изучим общую информацию
  • 1.1  Вывод.
• 2  Выполним предобработку данных
  • 2.1  Проверим наличие дубликатов.
  • 2.2  Проверим пропущенные значения.
  • 2.3  Создадим столбец street с названиями улиц из столбца с адресом.
  • 2.4  Создадим столбец is_24_7 с обозначением, что заведение работает ежедневно и круглосуточно (24/7).
  • 2.5  Вывод.
• 3  Анализ данных
  • 3.1  Категории заведений представленые в данных.
  • 3.2  Исследуем количество посадочных мест в местах по категориям: рестораны, кофейни, пиццерии, бары и так далее. Построим визуализации.
  • 3.3  Рассмотрим и изобразим соотношение сетевых и несетевых заведений в датасете.
  • 3.4  Выясним какие категории заведений чаще являются сетевыми.
  • 3.5  Найдем топ-15 популярных сетей в Москве.
  • 3.6  Рассмотрим какие административные районы Москвы присутствуют в датасете.
  • 3.7  Визуализируем распределение средних рейтингов по категориям заведений.
  • 3.8  Построим фоновую картограмму (хороплет) со средним рейтингом заведений каждого района.
  • 3.9  Отобразим все заведения датасета на карте с помощью кластеров средствами библиотеки folium.
  • 3.10  Найдем топ-15 улиц по количеству заведений и построим график распределения количества заведений и их категорий по этим улицам.
  • 3.11  Найдем улицы, на которых находится только один объект общепита.
  • 3.12  Посчитаем медиану столбца middle_avg_bill (значения средних чеков заведений) для каждого района. Построим фоновую картограмму (хороплет) с полученными значениями для каждого района.
  • 3.13  Вывод.
• 4  Детализируем исследование: открытие кофейни
  • 4.1  Посмотрим сколько всего кофеен в датасете? В каких районах их больше всего, каковы особенности их расположения?
  • 4.2  Есть ли круглосуточные кофейни?
  • 4.3  Какие у кофеен рейтинги? Как они распределяются по районам?
  • 4.4  На какую стоимость чашки капучино стоит ориентироваться при открытии и почему?
  • 4.5  Рекомендации для открытия новой кофейни:
  • 4.6  Вывод.
• 5  Общий вывод.

Подключим библиотеки

import pandas as pd
import plotly.express as px
import json
from folium import Map, Marker, Choropleth
from folium.plugins import MarkerCluster

Загрузим данные и изучим общую информацию

Путь к файлу: /datasets/moscow_places.csv.

try:
    places = pd.read_csv('/datasets/moscow_places.csv')
except FileNotFoundError:
    print("File not found.")

places

	name	category	address	district	hours	lat	lng	rating	price	avg_bill	middle_avg_bill	middle_coffee_cup	chain	seats
0	WoWфли	кафе	Москва, улица Дыбенко, 7/1	Северный административный округ	ежедневно, 10:00–22:00	55.878494	37.478860	5.0	NaN	NaN	NaN	NaN	0	NaN
1	Четыре комнаты	ресторан	Москва, улица Дыбенко, 36, корп. 1	Северный административный округ	ежедневно, 10:00–22:00	55.875801	37.484479	4.5	выше среднего	Средний счёт:1500–1600 ₽	1550.0	NaN	0	4.0
2	Хазри	кафе	Москва, Клязьминская улица, 15	Северный административный округ	пн-чт 11:00–02:00; пт,сб 11:00–05:00; вс 11:00...	55.889146	37.525901	4.6	средние	Средний счёт:от 1000 ₽	1000.0	NaN	0	45.0
3	Dormouse Coffee Shop	кофейня	Москва, улица Маршала Федоренко, 12	Северный административный округ	ежедневно, 09:00–22:00	55.881608	37.488860	5.0	NaN	Цена чашки капучино:155–185 ₽	NaN	170.0	0	NaN
4	Иль Марко	пиццерия	Москва, Правобережная улица, 1Б	Северный административный округ	ежедневно, 10:00–22:00	55.881166	37.449357	5.0	средние	Средний счёт:400–600 ₽	500.0	NaN	1	148.0
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
8401	Суши Мания	кафе	Москва, Профсоюзная улица, 56	Юго-Западный административный округ	ежедневно, 09:00–02:00	55.670021	37.552480	4.4	NaN	NaN	NaN	NaN	0	86.0
8402	Миславнес	кафе	Москва, Пролетарский проспект, 19, корп. 1	Южный административный округ	ежедневно, 08:00–22:00	55.640875	37.656553	4.8	NaN	NaN	NaN	NaN	0	150.0
8403	Самовар	кафе	Москва, Люблинская улица, 112А, стр. 1	Юго-Восточный административный округ	ежедневно, круглосуточно	55.648859	37.743219	3.9	NaN	Средний счёт:от 150 ₽	150.0	NaN	0	150.0
8404	Чайхана Sabr	кафе	Москва, Люблинская улица, 112А, стр. 1	Юго-Восточный административный округ	ежедневно, круглосуточно	55.648849	37.743222	4.2	NaN	NaN	NaN	NaN	1	150.0
8405	Kebab Time	кафе	Москва, Россошанский проезд, 6	Южный административный округ	ежедневно, круглосуточно	55.598229	37.604702	3.9	NaN	NaN	NaN	NaN	0	12.0

8406 rows × 14 columns

places.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 8406 entries, 0 to 8405
Data columns (total 14 columns):
 #   Column             Non-Null Count  Dtype  
---  ------             --------------  -----  
 0   name               8406 non-null   object 
 1   category           8406 non-null   object 
 2   address            8406 non-null   object 
 3   district           8406 non-null   object 
 4   hours              7870 non-null   object 
 5   lat                8406 non-null   float64
 6   lng                8406 non-null   float64
 7   rating             8406 non-null   float64
 8   price              3315 non-null   object 
 9   avg_bill           3816 non-null   object 
 10  middle_avg_bill    3149 non-null   float64
 11  middle_coffee_cup  535 non-null    float64
 12  chain              8406 non-null   int64  
 13  seats              4795 non-null   float64
dtypes: float64(6), int64(1), object(7)
memory usage: 919.5+ KB

Вывод.

Данные загружены. Установлено, что:

• всего в данных 14 столбцов и 8406 строк;
• типы данных нормальные;
• в некоторых столбцах есть пропущенные значения.

Выполним предобработку данных

Изучим, есть ли дубликаты и пропуски в данных.

Приведем к нижнему регистру значения в колонках содержащих категориальные данные name и address.

for column in places[['name', 'address']]:
    places[column] = places[column].str.lower() 

Проверим наличие дубликатов.

places.duplicated().sum()

0

Полные дубликаты отсутствуют. Проверим наличие дубликатов по столбцам name и address:

places.duplicated(subset=['name', 'address']).sum()

4

Выявлено 4 строки неполных дубликатов. Посмотрим что это за дубликаты.

places[places.duplicated(subset=['name', 'address'])]

	name	category	address	district	hours	lat	lng	rating	price	avg_bill	middle_avg_bill	middle_coffee_cup	chain	seats
215	кафе	кафе	москва, парк ангарские пруды	Северный административный округ	ежедневно, 10:00–22:00	55.881438	37.531848	3.2	NaN	NaN	NaN	NaN	0	NaN
1511	more poke	ресторан	москва, волоколамское шоссе, 11, стр. 2	Северный административный округ	пн-чт 09:00–18:00; пт,сб 09:00–21:00; вс 09:00...	55.806307	37.497566	4.2	NaN	NaN	NaN	NaN	1	188.0
2420	раковарня клешни и хвосты	бар,паб	москва, проспект мира, 118	Северо-Восточный административный округ	пн-чт 12:00–00:00; пт,сб 12:00–01:00; вс 12:00...	55.810677	37.638379	4.4	NaN	NaN	NaN	NaN	1	150.0
3109	хлеб да выпечка	кафе	москва, ярцевская улица, 19	Западный административный округ	NaN	55.738449	37.410937	4.1	NaN	NaN	NaN	NaN	0	276.0

Выведем все пары дублирующихся строк.

name_duplicated = places[places.duplicated(subset=['name', 'address'])]['name']
name_duplicated

215                          кафе
1511                    more poke
2420    раковарня клешни и хвосты
3109              хлеб да выпечка
Name: name, dtype: object

address_duplicated = places[places.duplicated(subset=['name', 'address'])]['address']
address_duplicated

215                москва, парк ангарские пруды
1511    москва, волоколамское шоссе, 11, стр. 2
2420                 москва, проспект мира, 118
3109                москва, ярцевская улица, 19
Name: address, dtype: object

places.query('name in @name_duplicated & address in @address_duplicated')

	name	category	address	district	hours	lat	lng	rating	price	avg_bill	middle_avg_bill	middle_coffee_cup	chain	seats
189	кафе	кафе	москва, парк ангарские пруды	Северный административный округ	ежедневно, 09:00–23:00	55.880327	37.530786	3.2	NaN	NaN	NaN	NaN	0	NaN
215	кафе	кафе	москва, парк ангарские пруды	Северный административный округ	ежедневно, 10:00–22:00	55.881438	37.531848	3.2	NaN	NaN	NaN	NaN	0	NaN
1430	more poke	ресторан	москва, волоколамское шоссе, 11, стр. 2	Северный административный округ	ежедневно, 09:00–21:00	55.806307	37.497566	4.2	NaN	NaN	NaN	NaN	0	188.0
1511	more poke	ресторан	москва, волоколамское шоссе, 11, стр. 2	Северный административный округ	пн-чт 09:00–18:00; пт,сб 09:00–21:00; вс 09:00...	55.806307	37.497566	4.2	NaN	NaN	NaN	NaN	1	188.0
2211	раковарня клешни и хвосты	ресторан	москва, проспект мира, 118	Северо-Восточный административный округ	ежедневно, 12:00–00:00	55.810553	37.638161	4.4	NaN	NaN	NaN	NaN	0	150.0
2420	раковарня клешни и хвосты	бар,паб	москва, проспект мира, 118	Северо-Восточный административный округ	пн-чт 12:00–00:00; пт,сб 12:00–01:00; вс 12:00...	55.810677	37.638379	4.4	NaN	NaN	NaN	NaN	1	150.0
3091	хлеб да выпечка	булочная	москва, ярцевская улица, 19	Западный административный округ	ежедневно, 09:00–22:00	55.738886	37.411648	4.1	NaN	NaN	NaN	NaN	1	276.0
3109	хлеб да выпечка	кафе	москва, ярцевская улица, 19	Западный административный округ	NaN	55.738449	37.410937	4.1	NaN	NaN	NaN	NaN	0	276.0

Согласно данным Яндекс карт в настоящее время актуальными являютcя записи:

• 189 (правда такого кафе больше нет, но по этому же адресу есть другое с теми же часами работы),
• 1511 (такого больше нет, но так как в списке есть еще одно заведение с названием more poke, то выберим запись, что это сеть),
• 2420,

Удалим неактуальные записи.

places = places.drop(index=[215, 1430, 2211, 3109])
places.duplicated(subset=['name', 'address']).sum()

0

Больше дубликатов не осталось.

Проверим пропущенные значения.

places.isna().sum()

name                    0
category                0
address                 0
district                0
hours                 535
lat                     0
lng                     0
rating                  0
price                5087
avg_bill             4586
middle_avg_bill      5253
middle_coffee_cup    7867
chain                   0
seats                3610
dtype: int64

# функция для визуализации доли пропущенных значений
def pass_value_barh(df):
    """Визуализация процента пропущенных значений"""
    try:
        pass_value = (
            (df.isna().mean()*100)
            .to_frame()
            .rename(columns={0:'space'})
            .query('space > 0')
            .sort_values(by='space', ascending=True)
        )
        pass_value = pass_value.round(2)
        fig = px.bar(pass_value, x='space', y=pass_value.index, text='space')
        fig.update_layout(
        title='Процент пропущенных значений в столбцах',
        title_x=0.5,
        xaxis_title='Процент пропущенных значений',
        yaxis_title='Столбец',
        xaxis=dict(range=[0, 100]))
        fig.show()   
    except:
        print('пропусков не осталось :) или произошла ошибка в первой части функции ')

pass_value_barh(places)

Достаточно большое количество пропусков в столбцах middle_coffee_cup, middle_avg_bill, price, avg_bill и seats (больше 40% значений отсутствует). менее 10% значений пропущено в столбце hours.
Заменим пропуски в столбцах с категориальными переменными (price, avg_bill и hours) на значение "нет данных". В столбцах с количественными переменными (middle_coffee_cup, middle_avg_bill и seats) замены проводить не будем.

places[['price', 'avg_bill', 'hours']] = places[
    ['price', 'avg_bill', 'hours']].fillna('нет данных')

pass_value_barh(places)

Создадим столбец street с названиями улиц из столбца с адресом.

places['street'] = places['address'].str.split(', ', expand=True)[1]
places[['address', 'street']]

	address	street
0	москва, улица дыбенко, 7/1	улица дыбенко
1	москва, улица дыбенко, 36, корп. 1	улица дыбенко
2	москва, клязьминская улица, 15	клязьминская улица
3	москва, улица маршала федоренко, 12	улица маршала федоренко
4	москва, правобережная улица, 1б	правобережная улица
...	...	...
8401	москва, профсоюзная улица, 56	профсоюзная улица
8402	москва, пролетарский проспект, 19, корп. 1	пролетарский проспект
8403	москва, люблинская улица, 112а, стр. 1	люблинская улица
8404	москва, люблинская улица, 112а, стр. 1	люблинская улица
8405	москва, россошанский проезд, 6	россошанский проезд

8402 rows × 2 columns

Создадим столбец is_24_7 с обозначением, что заведение работает ежедневно и круглосуточно (24/7).

• логическое значение True — если заведение работает ежедневно и круглосуточно;
• логическое значение False — в противоположном случае.

def categorize_hours(hours):
    try:
        if hours == 'ежедневно, круглосуточно':
            return True
        else:
            return False
    except:
        pass
places['is_24_7'] = places['hours'].apply(categorize_hours)
places[['hours', 'is_24_7']]

	hours	is_24_7
0	ежедневно, 10:00–22:00	False
1	ежедневно, 10:00–22:00	False
2	пн-чт 11:00–02:00; пт,сб 11:00–05:00; вс 11:00...	False
3	ежедневно, 09:00–22:00	False
4	ежедневно, 10:00–22:00	False
...	...	...
8401	ежедневно, 09:00–02:00	False
8402	ежедневно, 08:00–22:00	False
8403	ежедневно, круглосуточно	True
8404	ежедневно, круглосуточно	True
8405	ежедневно, круглосуточно	True

8402 rows × 2 columns

Вывод.

Проведена предобработка данных:

• приведены к нижнему регистру значения в колонках name и address;
• удалены 4 строки с дубликатами;
• выявлены пропуски. Большое количество пропусков в столбцах middle_coffee_cup, middle_avg_bill, price, avg_bill и seats (больше 40% значений отсутствует). менее 10% значений пропущено в столбце hours;
• пропуски в столбцах с категориальными переменными (price, avg_bill и hours) заменены на значение "нет данных";
• добавлен столбец street с названиями улиц;
• добавлен столбец is_24_7 с обозначением, что заведение работает ежедневно и круглосуточно (24/7).

Анализ данных

Категории заведений представленые в данных.

category_places = places.pivot_table(index='category', values='name', aggfunc='count')
category_places['part'] = round(
    (100 * category_places['name'] / category_places['name'].sum()), 2)
category_places.sort_values(by='part', ascending = False)

	name	part
category
кафе	2376	28.28
ресторан	2041	24.29
кофейня	1413	16.82
бар,паб	765	9.10
пиццерия	633	7.53
быстрое питание	603	7.18
столовая	315	3.75
булочная	256	3.05

В данных представлена информация о следующих категориях (в порядке убывания количества заведений): кафе; ресторан; кофейня; бар,паб; пиццерия; быстрое питание; столовая; булочная

Исследуем количество объектов общественного питания по категориям: рестораны, кофейни, пиццерии, бары и так далее. Построим визуализации.

df = places.groupby(
    'category', as_index=False
    ).agg({'name': 'count'}
    ).sort_values(by='name', ascending=True)

fig = px.bar(
    df,
    x='name',
    y='category',
    text='name'
)

fig.update_layout(
    title='Количество объектов общественного питания по категориям',
    title_x = 0.5,
    xaxis_title='Количество объектов',
    yaxis_title='Категория'
)
fig.show()

Самое большое количество заведений в данных - кафе. Затем идут рестораны и кофейни. Самое маленькое количество заведений типа булочная и столовая.

Исследуем количество посадочных мест в местах по категориям: рестораны, кофейни, пиццерии, бары и так далее. Построим визуализации.

sort_list = places.groupby(
    'category'
).agg({'seats' : 'median'}).sort_values(by='seats').index

fig = px.box(
    places, 
    x='seats', 
    y='category', 
    orientation='h',
    category_orders={'category': sort_list}
)

fig.update_layout(
    title='Количество посадочных мест по категориям',
    title_x = 0.5,
    xaxis_title='Количество посадочных мест',
    yaxis_title='Категория'
) 

fig.show()

Иногда количество посадочных мест в заведениях общепита может достигать 1288. Не очень понятно как можно обслужить такое количество посетителей при полной посадке. Вероятнее всего в данных ошибка.
Нормальный диапазон значений количества посадочных мест не превышает 350. Рассмотрим этот диапазон.

fig = px.box(
    places, 
    x='seats', 
    y='category', 
    orientation='h', 
    range_x=[0,350],
    category_orders={'category': sort_list}
)

fig.update_layout(
    title='Количество посадочных мест по категориям (диапазон от 0 до 350 мест)',
    title_x = 0.5,
    xaxis_title='Количество посадочных мест',
    yaxis_title='Категория'
) 
fig.show()

Самое маленькое количество посадочных мест обычно в булочных, пицериях и кафе. Медианное значение этих заведений 50-60 мест. Самое большое количество посадочных мест в ресторанах, барах и кофейнях. Медианное значение около 80-86 мест.

Рассмотрим и изобразим соотношение сетевых и несетевых заведений в датасете.

df = places.groupby('chain', as_index=False).agg({'name': 'count'})

chain_dict = {
    0 : 'несетевые',
    1 : 'сетевые'
}

df['chain'] = df['chain'].map(chain_dict)

fig = px.pie(
    df, 
    names='chain', 
    values='name',
    hole = 0.4,
    color = 'chain',
    color_discrete_map = {
        'несетевые': '#8690FF',
        'сетевые': '#ACD0F4', 
}    
)

fig.update_layout(
    title='Cоотношение сетевых и несетевых заведений',
    title_x = 0.5,
    showlegend=False,
)

fig.update_traces(
    textposition='outside',
    textinfo='percent+label',
    marker=dict(line=dict(color='#000000',width=2)),
)

fig.show()

Сетевых заведений общественного питания в Москве меньше, чем несетевых. Доля сетевых - 38.1%, несетевых - 61.9%.

Выясним какие категории заведений чаще являются сетевыми.

df = places.groupby('category', as_index=False).agg({'chain': 'mean'}).sort_values(by='chain')
df.columns = ['category', 'part_of_chain']
df['part_of_chain'] = round((100 * df['part_of_chain']), 2)
df

	category	part_of_chain
0	бар,паб	22.09
7	столовая	27.94
3	кафе	32.79
6	ресторан	35.77
2	быстрое питание	38.47
4	кофейня	50.96
5	пиццерия	52.13
1	булочная	61.33

df = places.groupby('category', as_index=False).agg({'chain': 'mean'}).sort_values(by='chain', ascending=False)
df.columns = ['category', 'part_of_chain']
df['part_of_chain'] = round((100 * df['part_of_chain']), 2)

fig = px.bar(
    df,
    x='category',
    y='part_of_chain',
    text='part_of_chain'
)

fig.update_layout(
    title='Доля сетевых заведений в каждой категории',
    title_x = 0.5,
    xaxis_title='Категория',
    yaxis_title='Доля сетевых заведений'
)
fig.show()

Чаще всего сетевыми заведениями являются булочные, пиццерии и кофейни.
Реже всего - столовые и бары.

Найдем топ-15 популярных сетей в Москве.

df = places.query(
        'chain == 1'
    ).groupby(
        'name', as_index=False
    ).agg(
        {'category': 'count'}
    ).sort_values(
        by='category', ascending=True
    ).tail(15)

top_15_chain = df['name']

fig = px.bar(
    df,
    x='category',
    y='name',
    text='category'
)

fig.update_layout(
    title='Топ-15 популярных сетей в Москве',
    title_x = 0.5,
    xaxis_title='Количество объектов',
    yaxis_title='Название сети'
)

fig.show()

Самое большое количество точек в Москве у сети "Шоколадница" - 120 точек. Затем идут сети пиццерий "Домино'с пицца" и "Додо пицца".
Посмотрим к какой категории заведений относятся эти сети.

places.query(
    'name in @top_15_chain'
).groupby(
    'name'
).agg(
    {'category': 'first'}
).sort_values(
    by='category'
)

	category
name
буханка	булочная
хинкальная	быстрое питание
кулинарная лавка братьев караваевых	кафе
му-му	кафе
чайхана	кафе
cofefest	кофейня
cofix	кофейня
one price coffee	кофейня
кофепорт	кофейня
шоколадница	кофейня
додо пицца	пиццерия
домино'с пицца	пиццерия
prime	ресторан
теремок	ресторан
яндекс лавка	ресторан

Популярные сети относятся к разным категориям. 5 из 15 - кофейни ("Cofefest", "Cofix", "One price coffee", "Кофепорт" и "Шоколадница"), 3 ресторана ("Prime", "Теремок" и "Яндекс лавка") и 3 кафе ("Кулинарная лавка братьев Караваевых", "Му-му" и "Чайхана"), 2 пиццеррии ("Домино'с пицца" и "Додо пицца"), а также булочная ("Буханка") и заведение быстрого питания ("Хинкальная")

dict_distr={
    'Северный административный округ' : 'САО',
    'Северо-Восточный административный округ' : 'СВАО',
    'Северо-Западный административный округ' : 'СЗАО',
    'Западный административный округ' : 'ЗАО',
    'Центральный административный округ' : 'ЦАО',
    'Восточный административный округ' : 'ВАО',
    'Юго-Восточный административный округ' : 'ЮВАО',
    'Южный административный округ' : 'ЮАО',
    'Юго-Западный административный округ' : 'ЮЗАО'
}

data_chain = places.query('name in @top_15_chain').groupby(
    ['district','category'], as_index=False
).agg({'name': 'count'}).sort_values(by='name', ascending=False)

data_chain['district'] = data_chain['district'].map(dict_distr)

fig = px.bar(
    data_chain, 
    x='district', 
    y='name', 
    color='category', 
    height=900,
    text='name',
    color_discrete_map = {
        'кафе': '#30BFDD',
        'ресторан': '#8690FF',
        'кофейня': '#ACD0F4', 
        'бар,паб': '#F7C0BB',
        'пиццерия': '#BA55D3',
        'быстрое питание': '#DDA0DD',
        'столовая': '#B0C4DE',
        'булочная': '#00BFFF'
    }     
)

fig.update_layout(
    legend=dict(
    yanchor="top",
    y=0.99,
    xanchor="right",
    x=0.99
    ),
    legend_title_text='Категория',
    title='Количество сетевых заведений каждой категории по районам Москвы',
    title_x = 0.5,
    xaxis_title='Районы Москвы',
    yaxis_title='Количество объектов',
    xaxis = {"categoryorder":"total descending"}
)

fig.update_traces(textangle=0)

fig.show()

Больше всего сетевых заведений (из ТОП-15) расположено в Центральном административном округе (более 200 заведений). Примерно одинаковое количество (около 80) в Западном, Северном, Северо-Восточном, Южном и Восточном административных округах. Самое маленькое количество в Северо-Западном административном округе.

Рассмотрим какие административные районы Москвы присутствуют в датасете.

data_distr = places.groupby(
    ['district','category'], as_index=False
).agg({'name': 'count'}
     ).sort_values(by='name', ascending=False)

data_distr['district'] = data_distr['district'].map(dict_distr)

fig = px.bar(
    data_distr, 
    x='district', 
    y='name', 
    color='category', 
    height=900,
    text='name',
    color_discrete_map = {
        'кафе': '#30BFDD',
        'ресторан': '#8690FF',
        'кофейня': '#ACD0F4', 
        'бар,паб': '#F7C0BB',
        'пиццерия': '#BA55D3',
        'быстрое питание': '#DDA0DD',
        'столовая': '#B0C4DE',
        'булочная': '#00BFFF'
    }     
)

fig.update_layout(
    legend=dict(
    yanchor="top",
    y=0.99,
    xanchor="right",
    x=0.99
    ),
    legend_title_text='Категория',
    title='Количество заведений каждой категории по районам Москвы',
    title_x = 0.5,
    xaxis_title='Районы Москвы',
    yaxis_title='Количество объектов',
    xaxis = {"categoryorder":"total descending"}
)

fig.show()

Больше всего заведений в Центральном административном районе. Более чем в 2 раза больше, чем в остальных районах. Меньше всего заведений в Северо-Западном административном округе.
В Центральном административном районе самая популярная категория заведений - ресторан. Затем идут кафе и кофейни.
В остальных районах самая популярная категория заведений - кафе. После кафе идут рестораны и кофейни. Меньше всего во всех районах булочных и столовых.

Визуализируем распределение средних рейтингов по категориям заведений.

df = places.groupby(
    'category', as_index=False
).agg(
    {'rating': 'mean'}
).sort_values(by='rating', ascending=True)

df['rating'] = df['rating'].round(2)

fig = px.bar(
    df,
    y='category',
    x='rating',
    text='rating',
    range_x=[4,4.45]
)

fig.update_layout(
    title='Распределение средних рейтингов по категориям заведений',
    title_x = 0.5,
    xaxis_title='Средний рейтинг',
    yaxis_title='Категория заведения'
)

fig.show()

Самый высокий средний рейтинг у баров (4.39). Затем идут пиццерии, рестораны, кофейни и булочные (средний рейтинг 4.3 - 4.27). Ниже средний рейтинг столовых (4.21) и кафе (4.12). Самый низкий рейтинг у предприятий быстрого питания - 4.05

Построим фоновую картограмму (хороплет) со средним рейтингом заведений каждого района.

distr_rating = places.groupby('district', as_index=False).agg({'rating': 'mean'})
distr_rating['rating'] = distr_rating['rating'].round(2)

# загружаем JSON-файл с границами округов Москвы
state_geo = '/datasets/admin_level_geomap.geojson'
# moscow_lat - широта центра Москвы, moscow_lng - долгота центра Москвы
moscow_lat, moscow_lng = 55.751244, 37.618423

# создаём карту Москвы
m = Map(location=[moscow_lat, moscow_lng], zoom_start=10, tiles='Cartodb Positron')

# создаём хороплет с помощью конструктора Choropleth и добавляем его на карту
Choropleth(
    geo_data=state_geo,
    data=distr_rating,
    columns=['district', 'rating'],
    key_on='feature.name',
    fill_opacity=0.8,
    legend_name='Средний рейтинг заведений по районам',
).add_to(m)

# выводим карту
m

Make this Notebook Trusted to load map: File -> Trust Notebook

distr_rating

	district	rating
0	Восточный административный округ	4.17
1	Западный административный округ	4.18
2	Северный административный округ	4.24
3	Северо-Восточный административный округ	4.15
4	Северо-Западный административный округ	4.21
5	Центральный административный округ	4.38
6	Юго-Восточный административный округ	4.10
7	Юго-Западный административный округ	4.17
8	Южный административный округ	4.18

Самый высокий средний рейтинг в заведениях Центрального и Северного административных округов. Самый низкий средний рейтинг заведений Юго-Восточного административного округа

Отобразим все заведения датасета на карте с помощью кластеров средствами библиотеки folium.

# создаём карту Москвы
m = Map(location=[moscow_lat, moscow_lng], zoom_start=10, tiles="Cartodb Positron")
# создаём пустой кластер, добавляем его на карту
marker_cluster = MarkerCluster().add_to(m)

# пишем функцию, которая принимает строку датафрейма,
# создаёт маркер в текущей точке и добавляет его в кластер marker_cluster
def create_clusters(row):
    Marker(
        [row['lat'], row['lng']],
        popup=f"{row['name']} ★ {row['rating']} ({row['category']})",
    ).add_to(marker_cluster)

# применяем функцию create_clusters() к каждой строке датафрейма
places.apply(create_clusters, axis=1)

# выводим карту
m

Make this Notebook Trusted to load map: File -> Trust Notebook

Самое большое количество заведений расположено в центре Москвы.

Найдем топ-15 улиц по количеству заведений и построим график распределения количества заведений и их категорий по этим улицам.

top15_streets = places.groupby(
    'street', as_index=False
).agg(
    {'name': 'count'}
).sort_values(
    by='name', ascending=True
).tail(15)['street']

data_streets = places.query(
    'street in @ top15_streets'
).groupby(
    ['street','category'], as_index=False
).agg({'name': 'count'}).sort_values(
        by='name', ascending=False)

fig = px.bar(
    data_streets, 
    x='street', 
    y='name', 
    color='category', 
    height=900,
    text='name',
    color_discrete_map = {
        'кафе': '#30BFDD',
        'ресторан': '#8690FF',
        'кофейня': '#ACD0F4', 
        'бар,паб': '#F7C0BB',
        'пиццерия': '#BA55D3',
        'быстрое питание': '#DDA0DD',
        'столовая': '#B0C4DE',
        'булочная': '#00BFFF'
    }   
)

fig.update_layout(
    legend=dict(
    yanchor="top",
    y=0.99,
    xanchor="right",
    x=0.99
    ),
    legend_title_text='Категория',
    title='Количество заведений каждой категории по улицам Москвы',
    title_x = 0.5,
    xaxis_title='Улицы Москвы',
    yaxis_title='Количество объектов',
    xaxis = {"categoryorder":"total descending"}
)


fig.update_traces(textangle=0)


fig.show()

Самое большое количество заведений на проспекте Мира. Самые многочисленные категории: кафе, рестораны и кофейни. В ТОП-15 улиц по количеству заведений ожидаемо попали самые длинные улицы Москвы.

m = Map(location=[moscow_lat, moscow_lng], zoom_start=10, tiles='Cartodb Positron')

# пишем функцию, которая принимает строку датафрейма,
# создаёт маркер в текущей точке и добавляет его на карту
def create_marker(row):
    Marker([row['lat'], row['lng']],
        popup=f"{row['name']} {row['rating']}"
    ).add_to(m)

# применяем функцию для создания маркера ко всем строкам датафрейма
places.query('street in @ top15_streets').apply(create_marker, axis=1)
    
# выводим карту
m

Make this Notebook Trusted to load map: File -> Trust Notebook

Найдем улицы, на которых находится только один объект общепита.

only_one = places.groupby('street', as_index=False).agg({'name': 'count'})
only_one_place = only_one.query('name == 1')['street']
only_one_place_street = places.query('street in @only_one_place')
only_one_place_street

	name	category	address	district	hours	lat	lng	rating	price	avg_bill	middle_avg_bill	middle_coffee_cup	chain	seats	street	is_24_7
15	дом обеда	столовая	москва, улица бусиновская горка, 2	Северный административный округ	пн-пт 08:30–18:30; сб 10:00–20:00	55.885890	37.493264	4.1	средние	Средний счёт:300–500 ₽	400.0	NaN	0	180.0	улица бусиновская горка	False
21	7/12	кафе	москва, прибрежный проезд, 7	Северный административный округ	ежедневно, 10:00–22:00	55.876805	37.464934	4.5	нет данных	нет данных	NaN	NaN	0	NaN	прибрежный проезд	False
25	в парке вкуснее	кофейня	москва, парк левобережный	Северный административный округ	ежедневно, 10:00–21:00	55.878453	37.460028	4.3	нет данных	нет данных	NaN	NaN	1	NaN	парк левобережный	False
58	coffeekaldi's	кофейня	москва, угличская улица, 13, стр. 8	Северо-Восточный административный округ	ежедневно, 09:00–22:00	55.900316	37.570558	4.1	средние	Средний счёт:500–800 ₽	650.0	NaN	1	NaN	угличская улица	False
60	чебуречная история	кофейня	москва, ландшафтный заказник лианозовский	Северо-Восточный административный округ	ежедневно, 10:00–22:00	55.899845	37.570488	4.9	нет данных	нет данных	NaN	NaN	1	NaN	ландшафтный заказник лианозовский	False
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
8289	мираж	ресторан	москва, улица шкулёва, 2а	Юго-Восточный административный округ	пн-пт 11:00–23:00; сб,вс 11:00–00:00	55.693340	37.746231	4.7	нет данных	нет данных	NaN	NaN	0	90.0	улица шкулёва	False
8294	wtfcoffee	кофейня	москва, улица артюхиной, 14/8с1	Юго-Восточный административный округ	ежедневно, 10:00–22:00	55.699044	37.737790	4.4	средние	нет данных	NaN	NaN	0	NaN	улица артюхиной	False
8317	беседка	кафе	москва, кузьминская улица, 10	Юго-Восточный административный округ	ежедневно, 11:00–23:00	55.690691	37.787735	4.1	нет данных	нет данных	NaN	NaN	1	NaN	кузьминская улица	False
8379	лагман хаус	кафе	москва, новороссийская улица, 14, стр. 2	Юго-Восточный административный округ	ежедневно, 10:00–00:00	55.678772	37.759422	4.3	нет данных	нет данных	NaN	NaN	1	40.0	новороссийская улица	False
8400	практика кофе	кофейня	москва, чонгарский бульвар, 26а, корп. 1	Юго-Западный административный округ	пн-пт 08:00–22:00; сб,вс 09:00–22:00	55.654289	37.600722	4.4	нет данных	нет данных	NaN	NaN	0	55.0	чонгарский бульвар	False

457 rows × 16 columns

Улиц на которых расположен только один объект достаточно много - 457. Посмотрим визуализацию на карте.

m = Map(location=[moscow_lat, moscow_lng], zoom_start=10, tiles='Cartodb Positron')

only_one_place_street.apply(create_marker, axis=1)
 
m

Make this Notebook Trusted to load map: File -> Trust Notebook

Улицы с одним заведением расположены достаточно равномерно по всей Москве. Явных закономерностей в расположении не прослеживается.

Посчитаем медиану столбца middle_avg_bill (значения средних чеков заведений) для каждого района. Построим фоновую картограмму (хороплет) с полученными значениями для каждого района.

distr_avg_bill = places.groupby(
    'district', as_index=False
).agg({'middle_avg_bill': 'median'})

distr_avg_bill['middle_avg_bill'] = distr_avg_bill['middle_avg_bill'].round(2)

# создаём карту Москвы
m = Map(location=[moscow_lat, moscow_lng], zoom_start=10, tiles='Cartodb Positron')

# создаём хороплет с помощью конструктора Choropleth и добавляем его на карту
Choropleth(
    geo_data=state_geo,
    data=distr_avg_bill,
    columns=['district', 'middle_avg_bill'],
    key_on='feature.name',
    fill_opacity=0.8,
    legend_name='Медиана среднего чека в заведениях по районам',
).add_to(m)

# выводим карту
m

Make this Notebook Trusted to load map: File -> Trust Notebook

Самые большие значения среднего чека в центре Москвы, а также в Западном административном округе.
Самые низкие значения среднего чека в Юго-Западном, Северо-Восточном и Юго-Восточном административных округах.

Вывод.

Проведен анализ данных. Установлено следующее:

• представлена информация о следующих категориях (в порядке убывания количества заведений): кафе; ресторан; кофейня; бар,паб; пиццерия; быстрое питание; столовая; булочная;
• самое маленькое количество посадочных мест обычно в булочных, пицериях и кафе. Медианное значение этих заведений 50-60 мест;
• самое большое количество посадочных мест в ресторанах, барах и кофейнях. Медианное значение около 80-86 мест;
• сетевых заведений общественного питания в Москве меньше, чем несетевых. Доля сетевых - 38.1%, несетевых - 61.9%;
• чаще всего сетевыми заведениями являются булочные, пиццерии и кофейни. Реже всего - столовые и бары;
• среди сетевых заведений самое большое количество точек в Москве у сети кофеен "Шоколадница" - 120 точек. Затем идут сети пиццерий "Домино'с пицца" и "Додо пицца";
• популярные сети относятся к разным категориям. 5 из 15 - кофейни ("Cofefest", "Cofix", "One price coffee", "Кофепорт" и "Шоколадница"), 3 ресторана ("Prime", "Теремок" и "Яндекс лавка") и 3 кафе ("Кулинарная лавка братьев Караваевых", "Му-му" и "Чайхана"), 2 пиццеррии ("Домино'с пицца" и "Додо пицца"), а также булочная ("Буханка") и заведение быстрого питания ("Хинкальная");
• больше всего заведений в Центральном административном районе. Более чем в 2 раза больше, чем в остальных районах;
• меньше всего заведений в Северо-Западном административном округе;
• в Центральном административном районе самая популярная категория заведений - ресторан. Затем идут кафе и кофейни;
• в остальных районах самая популярная категория заведений - кафе. После кафе идут рестораны и кофейни;
• меньше всего во всех районах булочных и столовых;
• самый высокий средний рейтинг у баров (4.39). Затем идут пиццерии, рестораны, кофейни и булочные (средний рейтинг 4.3 - 4.27);
• средний рейтинг столовых (4.21) и кафе (4.12) немного ниже. Самый низкий рейтинг у предприятий быстрого питания - 4.05;
• самое большое количество заведений на проспекте Мира. Самые многочисленные категории: кафе, рестораны и кофейни. В ТОП-15 улиц по количеству заведений попали самые длинные улицы Москвы (проспект Мира, Профсоюзная улица, проспект Вернадского, Ленинский проспект, Ленинградский проспект, Дмитровское шоссе, Каширское шоссе, Варшавское шоссе, Ленинградское шоссе, МКАД, Люблинская улица, улица Вавилова, Кутузовский проспект, улица Миклухо-Маклая и Пятницкая улица);
• улиц, на которых расположен только один объект общественного питания, достаточно много - 457;
• самые большие значения среднего чека в центре Москвы, а также в Западном административном округе;
• самые низкие значения среднего чека в Юго-Западном, Северо-Восточном и Юго-Восточном административных округах.

Детализируем исследование: открытие кофейни

Основателям фонда «Shut Up and Take My Money» не даёт покоя успех сериала «Друзья». Их мечта — открыть такую же крутую и доступную, как «Central Perk», кофейню в Москве. Будем считать, что заказчики не боятся конкуренции в этой сфере, ведь кофеен в больших городах уже достаточно. Попробуем определить, осуществима ли мечта клиентов. Ответим на следующие вопросы:

Посмотрим сколько всего кофеен в датасете? В каких районах их больше всего, каковы особенности их расположения?

coffee_houses = places.query('category == "кофейня"')
coffee_houses

	name	category	address	district	hours	lat	lng	rating	price	avg_bill	middle_avg_bill	middle_coffee_cup	chain	seats	street	is_24_7
3	dormouse coffee shop	кофейня	москва, улица маршала федоренко, 12	Северный административный округ	ежедневно, 09:00–22:00	55.881608	37.488860	5.0	нет данных	Цена чашки капучино:155–185 ₽	NaN	170.0	0	NaN	улица маршала федоренко	False
25	в парке вкуснее	кофейня	москва, парк левобережный	Северный административный округ	ежедневно, 10:00–21:00	55.878453	37.460028	4.3	нет данных	нет данных	NaN	NaN	1	NaN	парк левобережный	False
45	9 bar coffee	кофейня	москва, коровинское шоссе, 41, стр. 1	Северный административный округ	пн-пт 08:00–18:00	55.885837	37.513422	4.0	нет данных	нет данных	NaN	NaN	1	46.0	коровинское шоссе	False
46	cofefest	кофейня	москва, улица маршала федоренко, 6с1	Северный административный округ	пн-пт 09:00–19:00	55.879934	37.492522	3.6	нет данных	нет данных	NaN	NaN	1	NaN	улица маршала федоренко	False
52	cofix	кофейня	москва, улица дыбенко, 7/1	Северный административный округ	ежедневно, 08:00–22:00	55.878531	37.479395	3.8	нет данных	нет данных	NaN	NaN	1	NaN	улица дыбенко	False
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
8356	назис пури	кофейня	москва, люблинская улица, 61	Юго-Восточный административный округ	ежедневно, 09:00–22:00	55.684103	37.738588	4.5	нет данных	нет данных	NaN	NaN	0	NaN	люблинская улица	False
8365	квадрат кофе	кофейня	москва, волгоградский проспект, 73, стр. 1	Юго-Восточный административный округ	пн-пт 08:30–21:30; сб,вс 09:00–21:30	55.709710	37.744450	4.2	нет данных	Цена чашки капучино:100–220 ₽	NaN	160.0	0	206.0	волгоградский проспект	False
8376	шоколад имбирь корица	кофейня	москва, грайвороновская улица, 23	Юго-Восточный административный округ	пн-пт 09:30–19:30	55.721213	37.740755	4.1	нет данных	нет данных	NaN	NaN	0	NaN	грайвороновская улица	False
8385	cafio	кофейня	москва, новохохловская улица, 49	Юго-Восточный административный округ	пн-пт 07:00–22:00; сб,вс 07:00–21:00	55.724357	37.716415	4.7	нет данных	Цена чашки капучино:80–120 ₽	NaN	100.0	0	NaN	новохохловская улица	False
8400	практика кофе	кофейня	москва, чонгарский бульвар, 26а, корп. 1	Юго-Западный административный округ	пн-пт 08:00–22:00; сб,вс 09:00–22:00	55.654289	37.600722	4.4	нет данных	нет данных	NaN	NaN	0	55.0	чонгарский бульвар	False

1413 rows × 16 columns

print(f'Всего в Москве {len(coffee_houses)} кофеен')

Всего в Москве 1413 кофеен

Посмотрим где они располагаются.

m = Map(location=[moscow_lat, moscow_lng], zoom_start=10, tiles="Cartodb Positron")

marker_cluster = MarkerCluster().add_to(m)

coffee_houses.apply(create_clusters, axis=1)

m

Make this Notebook Trusted to load map: File -> Trust Notebook

Отметим на карте Москвы распределение количества кофеен в каждом районе.

distr_coffee_houses = coffee_houses.groupby(
    'district', as_index=False
).agg({'name': 'count'})

# создаём карту Москвы
m = Map(location=[moscow_lat, moscow_lng], zoom_start=10, tiles='Cartodb Positron')

# создаём хороплет с помощью конструктора Choropleth и добавляем его на карту
Choropleth(
    geo_data=state_geo,
    data=distr_coffee_houses,
    columns=['district', 'name'],
    key_on='feature.name',
    fill_opacity=0.8,
    legend_name='Количество кофеен по районам Москвы',
).add_to(m)

# выводим карту
m

Make this Notebook Trusted to load map: File -> Trust Notebook

distr_coffee_houses.sort_values(by='name', ascending=False)

	district	name
5	Центральный административный округ	428
2	Северный административный округ	193
3	Северо-Восточный административный округ	159
1	Западный административный округ	150
8	Южный административный округ	131
0	Восточный административный округ	105
7	Юго-Западный административный округ	96
6	Юго-Восточный административный округ	89
4	Северо-Западный административный округ	62

Больше всего кофеен в Центральном административном округе. 30% от общего количества кофеен в Москве. Меньше всего в Северо-Западном административном округе.

Есть ли круглосуточные кофейни?

coffee_houses.query('is_24_7 == True')

	name	category	address	district	hours	lat	lng	rating	price	avg_bill	middle_avg_bill	middle_coffee_cup	chain	seats	street	is_24_7
200	wild bean	кофейня	москва, дмитровское шоссе, 107е	Северный административный округ	ежедневно, круглосуточно	55.878477	37.543426	3.5	нет данных	нет данных	NaN	NaN	1	20.0	дмитровское шоссе	True
971	wild bean cafe	кофейня	москва, ярославское шоссе, 116	Северо-Восточный административный округ	ежедневно, круглосуточно	55.867822	37.708853	4.0	нет данных	нет данных	NaN	NaN	1	25.0	ярославское шоссе	True
1047	wild bean cafe	кофейня	москва, ярославское шоссе, вл3с3	Северо-Восточный административный округ	ежедневно, круглосуточно	55.851778	37.676423	4.5	нет данных	Цена чашки капучино:140–200 ₽	NaN	170.0	1	NaN	ярославское шоссе	True
1214	wild bean cafe	кофейня	москва, мкад, 65-й километр, 8	Северо-Западный административный округ	ежедневно, круглосуточно	55.813787	37.390701	4.3	нет данных	нет данных	NaN	NaN	1	NaN	мкад	True
1291	шоколадница	кофейня	москва, улица народного ополчения, 49, корп. 1	Северо-Западный административный округ	ежедневно, круглосуточно	55.794815	37.494834	4.2	средние	Средний счёт:650–850 ₽	750.0	NaN	1	200.0	улица народного ополчения	True
1468	кофе хауз	кофейня	москва, ленинградский проспект, 74	Северный административный округ	ежедневно, круглосуточно	55.805239	37.516246	4.0	нет данных	Цена чашки капучино:235–335 ₽	NaN	285.0	1	NaN	ленинградский проспект	True
1790	кофемания	кофейня	москва, ленинградский проспект, 37а, корп. 14,...	Северный административный округ	ежедневно, круглосуточно	55.790899	37.542776	4.7	нет данных	нет данных	NaN	NaN	1	15.0	ленинградский проспект	True
1825	you&coffee	кофейня	москва, улица золоторожский вал, 11, стр. 21	Северный административный округ	ежедневно, круглосуточно	55.803924	37.582251	4.2	нет данных	нет данных	NaN	NaN	1	NaN	улица золоторожский вал	True
1883	кофемания	кофейня	москва, лесная улица, 5	Центральный административный округ	ежедневно, круглосуточно	55.777804	37.586346	4.4	высокие	Средний счёт:2000 ₽	2000.0	NaN	1	140.0	лесная улица	True
2030	cinnabon	кофейня	москва, долгоруковская улица, 40	Центральный административный округ	ежедневно, круглосуточно	55.778271	37.601991	4.2	нет данных	нет данных	NaN	NaN	1	230.0	долгоруковская улица	True
2073	wild bean cafe	кофейня	москва, бутырская улица, 8а	Северо-Восточный административный округ	ежедневно, круглосуточно	55.797124	37.584781	3.1	нет данных	нет данных	NaN	NaN	1	0.0	бутырская улица	True
2245	шоколадница	кофейня	москва, краснопрудная улица, 3-5с1	Центральный административный округ	ежедневно, круглосуточно	55.777882	37.661270	4.2	нет данных	нет данных	NaN	NaN	1	NaN	краснопрудная улица	True
2334	one price coffee	кофейня	москва, комсомольская площадь, 3	Центральный административный округ	ежедневно, круглосуточно	55.776860	37.654701	4.1	нет данных	нет данных	NaN	NaN	1	200.0	комсомольская площадь	True
2353	кофейня one&double	кофейня	москва, комсомольская площадь, 5/43	Центральный административный округ	ежедневно, круглосуточно	55.780087	37.654421	4.3	нет данных	нет данных	NaN	NaN	0	NaN	комсомольская площадь	True
2516	cofix	кофейня	москва, комсомольская площадь, 3	Центральный административный округ	ежедневно, круглосуточно	55.776955	37.655391	3.8	нет данных	нет данных	NaN	NaN	1	200.0	комсомольская площадь	True
2636	кофе с собой	кофейня	москва, 5-я парковая улица, 42	Восточный административный округ	ежедневно, круглосуточно	55.798686	37.788311	4.0	нет данных	Цена чашки капучино:100–120 ₽	NaN	110.0	1	NaN	5-я парковая улица	True
3070	wild bean	кофейня	москва, мкад, 60-й километр, 4бс1	Западный административный округ	ежедневно, круглосуточно	55.767519	37.371261	4.3	нет данных	нет данных	NaN	NaN	1	NaN	мкад	True
3081	wild bean	кофейня	москва, рублёвское шоссе, 91а	Западный административный округ	ежедневно, круглосуточно	55.741356	37.428633	4.2	нет данных	Цена чашки капучино:140–200 ₽	NaN	170.0	1	NaN	рублёвское шоссе	True
3197	шоколадница	кофейня	москва, площадь победы, 1, корп. б	Западный административный округ	ежедневно, круглосуточно	55.735162	37.517861	4.3	средние	Цена чашки капучино:284–299 ₽	NaN	291.0	1	48.0	площадь победы	True
3218	шоколадница	кофейня	москва, кутузовский проспект, 45	Западный административный округ	ежедневно, круглосуточно	55.737240	37.524707	4.3	средние	Средний счёт:700–1500 ₽	1100.0	NaN	1	50.0	кутузовский проспект	True
3358	пирог хауз	кофейня	москва, славянский бульвар, 5, корп. 1, стр. 3	Западный административный округ	ежедневно, круглосуточно	55.727345	37.472614	3.8	средние	нет данных	NaN	NaN	1	12.0	славянский бульвар	True
3366	you&coffee	кофейня	москва, 4-я магистральная улица, 5, стр. 1	Северный административный округ	ежедневно, круглосуточно	55.774512	37.520563	4.7	нет данных	нет данных	NaN	NaN	1	20.0	4-я магистральная улица	True
3509	кофемания	кофейня	москва, кудринская площадь, 46/54с1	Центральный административный округ	ежедневно, круглосуточно	55.758268	37.585356	4.4	высокие	Средний счёт:1500–2500 ₽	2000.0	NaN	1	NaN	кудринская площадь	True
3511	молоко	кофейня	москва, улица большая дмитровка, 7/5с6	Центральный административный округ	ежедневно, круглосуточно	55.761113	37.614631	4.8	высокие	Средний счёт:1500–2000 ₽	1750.0	NaN	0	NaN	улица большая дмитровка	True
3685	кофемания	кофейня	москва, большая никитская улица, 13	Центральный административный округ	ежедневно, круглосуточно	55.756507	37.604838	4.5	высокие	Средний счёт:2500 ₽	2500.0	NaN	1	148.0	большая никитская улица	True
3688	кофемания	кофейня	москва, улица новый арбат, 19	Центральный административный округ	ежедневно, круглосуточно	55.752136	37.587784	4.5	высокие	Средний счёт:от 0 ₽	0.0	NaN	1	200.0	улица новый арбат	True
3831	кофе хауз	кофейня	москва, кудринская площадь, 1	Центральный административный округ	ежедневно, круглосуточно	55.759719	37.580651	4.0	средние	нет данных	NaN	NaN	1	150.0	кудринская площадь	True
3987	гоголь-моголь	кофейня	москва, гоголевский бульвар, 19	Центральный административный округ	ежедневно, круглосуточно	55.747215	37.599005	4.5	средние	Средний счёт:300–700 ₽	500.0	NaN	0	NaN	гоголевский бульвар	True
4008	кофемания	кофейня	москва, кутузовский проспект, 17	Западный административный округ	ежедневно, круглосуточно	55.746580	37.556662	4.4	высокие	Средний счёт:2000–2500 ₽	2250.0	NaN	1	78.0	кутузовский проспект	True
4038	кофемания	кофейня	москва, комсомольский проспект, 21, стр. 2	Центральный административный округ	ежедневно, круглосуточно	55.727810	37.583919	4.4	высокие	Средний счёт:2000 ₽	2000.0	NaN	1	80.0	комсомольский проспект	True
4088	шоколадница	кофейня	москва, зубовский бульвар, 17, стр. 1	Центральный административный округ	ежедневно, круглосуточно	55.736329	37.590706	4.2	средние	Цена чашки капучино:239–274 ₽	NaN	256.0	1	320.0	зубовский бульвар	True
4112	one and double	кофейня	москва, площадь киевского вокзала, 1	Западный административный округ	ежедневно, круглосуточно	55.743048	37.564394	4.1	нет данных	нет данных	NaN	NaN	0	10.0	площадь киевского вокзала	True
4263	шоколадница	кофейня	москва, улица большая якиманка, 58/2	Центральный административный округ	ежедневно, круглосуточно	55.730621	37.611758	4.2	нет данных	нет данных	NaN	NaN	1	143.0	улица большая якиманка	True
4292	кофе хауз	кофейня	москва, кутузовский проспект, 30	Западный административный округ	ежедневно, круглосуточно	55.740919	37.536004	4.2	средние	Цена чашки капучино:270–280 ₽	NaN	275.0	1	50.0	кутузовский проспект	True
4307	шоколадница	кофейня	москва, улица воздвиженка, 9, стр. 2	Центральный административный округ	ежедневно, круглосуточно	55.752559	37.603504	4.1	средние	Цена чашки капучино:239–274 ₽	NaN	256.0	1	80.0	улица воздвиженка	True
4320	шоколадница	кофейня	москва, ленинский проспект, 2	Центральный административный округ	ежедневно, круглосуточно	55.729082	37.611497	4.0	нет данных	нет данных	NaN	NaN	1	144.0	ленинский проспект	True
4419	столица	кофейня	москва, улица земляной вал, 2	Центральный административный округ	ежедневно, круглосуточно	55.763066	37.656373	4.9	нет данных	нет данных	NaN	NaN	0	85.0	улица земляной вал	True
4502	кофемания	кофейня	москва, улица покровка, 18/18с3	Центральный административный округ	ежедневно, круглосуточно	55.759220	37.646029	4.4	высокие	Средний счёт:1500–2500 ₽	2000.0	NaN	1	NaN	улица покровка	True
4653	cofix	кофейня	москва, центральный административный округ, кр...	Центральный административный округ	ежедневно, круглосуточно	55.770414	37.651068	4.3	нет данных	нет данных	NaN	NaN	1	NaN	центральный административный округ	True
4734	лаванда кофе	кофейня	москва, нижняя красносельская улица, 35с48	Центральный административный округ	ежедневно, круглосуточно	55.775128	37.672562	4.3	средние	Цена чашки капучино:189–269 ₽	NaN	229.0	0	NaN	нижняя красносельская улица	True
4791	шоколадница	кофейня	москва, улица маросейка, 3/13с1	Центральный административный округ	ежедневно, круглосуточно	55.757337	37.631427	4.2	средние	Цена чашки капучино:239–274 ₽	NaN	256.0	1	NaN	улица маросейка	True
4916	шоколадница	кофейня	москва, нижняя радищевская улица, 5, стр. 2	Центральный административный округ	ежедневно, круглосуточно	55.741845	37.653285	4.2	нет данных	нет данных	NaN	NaN	1	100.0	нижняя радищевская улица	True
5056	кофе on	кофейня	москва, 3-й кадашёвский переулок, 2	Центральный административный округ	ежедневно, круглосуточно	55.742491	37.624693	4.3	выше среднего	Средний счёт:1000–1500 ₽	1250.0	NaN	0	72.0	3-й кадашёвский переулок	True
5131	шоколадница	кофейня	москва, павелецкая площадь, 2с1	Центральный административный округ	ежедневно, круглосуточно	55.730602	37.635300	4.2	нет данных	нет данных	NaN	NaN	1	NaN	павелецкая площадь	True
5256	one&double	кофейня	москва, павелецкая площадь, 1а, стр. 1	Центральный административный округ	ежедневно, круглосуточно	55.729675	37.639367	4.1	низкие	Цена чашки капучино:60–120 ₽	NaN	90.0	1	150.0	павелецкая площадь	True
5304	шоколадница	кофейня	москва, зелёный проспект, 22	Восточный административный округ	ежедневно, круглосуточно	55.750752	37.788529	4.2	средние	Средний счёт:300–500 ₽	400.0	NaN	1	49.0	зелёный проспект	True
5339	шоколадница	кофейня	москва, свободный проспект, 33	Восточный административный округ	ежедневно, круглосуточно	55.752784	37.819307	4.2	нет данных	нет данных	NaN	NaN	1	96.0	свободный проспект	True
5383	кофе с собой	кофейня	москва, улица старый гай, 8а	Восточный административный округ	ежедневно, круглосуточно	55.740397	37.827414	5.0	нет данных	нет данных	NaN	NaN	1	24.0	улица старый гай	True
5443	шоколадница	кофейня	москва, зелёный проспект, 5/12с2	Восточный административный округ	ежедневно, круглосуточно	55.749856	37.774652	4.1	нет данных	нет данных	NaN	NaN	1	NaN	зелёный проспект	True
5891	foodmoscowcoffee	кофейня	москва, ленинский проспект (дублёр)	Юго-Западный административный округ	ежедневно, круглосуточно	55.703333	37.573414	4.1	нет данных	нет данных	NaN	NaN	0	NaN	ленинский проспект (дублёр)	True
6032	шоколадница	кофейня	москва, улица дмитрия ульянова, 24	Юго-Западный административный округ	ежедневно, круглосуточно	55.687178	37.573645	4.2	средние	Цена чашки капучино:239–274 ₽	NaN	256.0	1	48.0	улица дмитрия ульянова	True
6045	шоколадница	кофейня	москва, профсоюзная улица, 19	Юго-Западный административный округ	ежедневно, круглосуточно	55.678665	37.564330	4.3	средние	Цена чашки капучино:239–274 ₽	NaN	256.0	1	48.0	профсоюзная улица	True
6125	шоколадница	кофейня	москва, ленинский проспект, 68/10	Юго-Западный административный округ	ежедневно, круглосуточно	55.689117	37.545799	4.2	нет данных	Цена чашки капучино:239–274 ₽	NaN	256.0	1	96.0	ленинский проспект	True
6558	wild bean cafe	кофейня	москва, ленинский проспект, 137ас1	Юго-Западный административный округ	ежедневно, круглосуточно	55.643246	37.471251	4.5	нет данных	нет данных	NaN	NaN	1	NaN	ленинский проспект	True
6592	the wild bean cafe	кофейня	москва, проспект вернадского, 86д	Западный административный округ	ежедневно, круглосуточно	55.660802	37.480297	4.2	нет данных	нет данных	NaN	NaN	1	40.0	проспект вернадского	True
6890	one more, please	кофейня	москва, новочерёмушкинская улица, 58	Юго-Западный административный округ	ежедневно, круглосуточно	55.667990	37.563342	4.3	средние	Цена чашки капучино:200–260 ₽	NaN	230.0	0	20.0	новочерёмушкинская улица	True
7528	wild bean cafe	кофейня	москва, люблинская улица, 135/1с1	Юго-Восточный административный округ	ежедневно, круглосуточно	55.668973	37.741351	2.3	нет данных	нет данных	NaN	NaN	1	NaN	люблинская улица	True
7668	wild bean	кофейня	москва, мкад, 41-й километр, 18, стр. 1	Юго-Западный административный округ	ежедневно, круглосуточно	55.618872	37.484253	4.3	нет данных	нет данных	NaN	NaN	1	NaN	мкад	True
7923	wild bean	кофейня	москва, ясеневая улица, 13	Южный административный округ	ежедневно, круглосуточно	55.602350	37.723018	4.0	нет данных	нет данных	NaN	NaN	1	0.0	ясеневая улица	True

df = coffee_houses.groupby('is_24_7', as_index=False).agg({'name': 'count'})

is_24_7_dict = {
    True : 'круглосуточные',
    False : 'некруглосуточные'
}

df['is_24_7'] = df['is_24_7'].map(is_24_7_dict)

fig = px.pie(
    df, 
    names='is_24_7',
    values='name',
    hole = 0.4,
    color = 'is_24_7',
    color_discrete_map = {
        'круглосуточные': '#8690FF',
        'некруглосуточные': '#ACD0F4',
}    
)

fig.update_layout(
    title='Cоотношение круглосуточных и некруглосуточных кофеен',
    title_x = 0.5,
    showlegend=False,
    margin=dict(l=0, r=0, t=100, b=0),
)

fig.update_traces(
    textposition='outside',
    textinfo='percent+label',
    marker=dict(line=dict(color='#000000',width=2)),
)

fig.show()

Круглосуточные кофейни существуют. Таких кофеен всего 4.18% от общего количества.

Посмотрим на карте, где расположены круглосуточные кофейни.

m = Map(location=[moscow_lat, moscow_lng], zoom_start=10, tiles='Cartodb Positron')

coffee_houses.query('is_24_7 == True').apply(create_marker, axis=1)
 
m

Make this Notebook Trusted to load map: File -> Trust Notebook

Самое большое количество круглосуточных кофеен находится в центре Москвы. Но есть и в отдалении от центра, преимущественно на крупных улицах.

coffee_houses.query('is_24_7 == True')[['name', 'address', 'district', 'chain']].sort_values(by=['chain', 'name'])

	name	address	district	chain
5891	foodmoscowcoffee	москва, ленинский проспект (дублёр)	Юго-Западный административный округ	0
4112	one and double	москва, площадь киевского вокзала, 1	Западный административный округ	0
6890	one more, please	москва, новочерёмушкинская улица, 58	Юго-Западный административный округ	0
3987	гоголь-моголь	москва, гоголевский бульвар, 19	Центральный административный округ	0
5056	кофе on	москва, 3-й кадашёвский переулок, 2	Центральный административный округ	0
2353	кофейня one&double	москва, комсомольская площадь, 5/43	Центральный административный округ	0
4734	лаванда кофе	москва, нижняя красносельская улица, 35с48	Центральный административный округ	0
3511	молоко	москва, улица большая дмитровка, 7/5с6	Центральный административный округ	0
4419	столица	москва, улица земляной вал, 2	Центральный административный округ	0
2030	cinnabon	москва, долгоруковская улица, 40	Центральный административный округ	1
2516	cofix	москва, комсомольская площадь, 3	Центральный административный округ	1
4653	cofix	москва, центральный административный округ, кр...	Центральный административный округ	1
2334	one price coffee	москва, комсомольская площадь, 3	Центральный административный округ	1
5256	one&double	москва, павелецкая площадь, 1а, стр. 1	Центральный административный округ	1
6592	the wild bean cafe	москва, проспект вернадского, 86д	Западный административный округ	1
200	wild bean	москва, дмитровское шоссе, 107е	Северный административный округ	1
3070	wild bean	москва, мкад, 60-й километр, 4бс1	Западный административный округ	1
3081	wild bean	москва, рублёвское шоссе, 91а	Западный административный округ	1
7668	wild bean	москва, мкад, 41-й километр, 18, стр. 1	Юго-Западный административный округ	1
7923	wild bean	москва, ясеневая улица, 13	Южный административный округ	1
971	wild bean cafe	москва, ярославское шоссе, 116	Северо-Восточный административный округ	1
1047	wild bean cafe	москва, ярославское шоссе, вл3с3	Северо-Восточный административный округ	1
1214	wild bean cafe	москва, мкад, 65-й километр, 8	Северо-Западный административный округ	1
2073	wild bean cafe	москва, бутырская улица, 8а	Северо-Восточный административный округ	1
6558	wild bean cafe	москва, ленинский проспект, 137ас1	Юго-Западный административный округ	1
7528	wild bean cafe	москва, люблинская улица, 135/1с1	Юго-Восточный административный округ	1
1825	you&coffee	москва, улица золоторожский вал, 11, стр. 21	Северный административный округ	1
3366	you&coffee	москва, 4-я магистральная улица, 5, стр. 1	Северный административный округ	1
2636	кофе с собой	москва, 5-я парковая улица, 42	Восточный административный округ	1
5383	кофе с собой	москва, улица старый гай, 8а	Восточный административный округ	1
1468	кофе хауз	москва, ленинградский проспект, 74	Северный административный округ	1
3831	кофе хауз	москва, кудринская площадь, 1	Центральный административный округ	1
4292	кофе хауз	москва, кутузовский проспект, 30	Западный административный округ	1
1790	кофемания	москва, ленинградский проспект, 37а, корп. 14,...	Северный административный округ	1
1883	кофемания	москва, лесная улица, 5	Центральный административный округ	1
3509	кофемания	москва, кудринская площадь, 46/54с1	Центральный административный округ	1
3685	кофемания	москва, большая никитская улица, 13	Центральный административный округ	1
3688	кофемания	москва, улица новый арбат, 19	Центральный административный округ	1
4008	кофемания	москва, кутузовский проспект, 17	Западный административный округ	1
4038	кофемания	москва, комсомольский проспект, 21, стр. 2	Центральный административный округ	1
4502	кофемания	москва, улица покровка, 18/18с3	Центральный административный округ	1
3358	пирог хауз	москва, славянский бульвар, 5, корп. 1, стр. 3	Западный административный округ	1
1291	шоколадница	москва, улица народного ополчения, 49, корп. 1	Северо-Западный административный округ	1
2245	шоколадница	москва, краснопрудная улица, 3-5с1	Центральный административный округ	1
3197	шоколадница	москва, площадь победы, 1, корп. б	Западный административный округ	1
3218	шоколадница	москва, кутузовский проспект, 45	Западный административный округ	1
4088	шоколадница	москва, зубовский бульвар, 17, стр. 1	Центральный административный округ	1
4263	шоколадница	москва, улица большая якиманка, 58/2	Центральный административный округ	1
4307	шоколадница	москва, улица воздвиженка, 9, стр. 2	Центральный административный округ	1
4320	шоколадница	москва, ленинский проспект, 2	Центральный административный округ	1
4791	шоколадница	москва, улица маросейка, 3/13с1	Центральный административный округ	1
4916	шоколадница	москва, нижняя радищевская улица, 5, стр. 2	Центральный административный округ	1
5131	шоколадница	москва, павелецкая площадь, 2с1	Центральный административный округ	1
5304	шоколадница	москва, зелёный проспект, 22	Восточный административный округ	1
5339	шоколадница	москва, свободный проспект, 33	Восточный административный округ	1
5443	шоколадница	москва, зелёный проспект, 5/12с2	Восточный административный округ	1
6032	шоколадница	москва, улица дмитрия ульянова, 24	Юго-Западный административный округ	1
6045	шоколадница	москва, профсоюзная улица, 19	Юго-Западный административный округ	1
6125	шоколадница	москва, ленинский проспект, 68/10	Юго-Западный административный округ	1

Практически все круглосуточные кофейни - сетевые. Несетевых всего 9 из 59.

Какие у кофеен рейтинги? Как они распределяются по районам?

coffee_houses_rating = coffee_houses.groupby(
    'district', as_index=False
).agg({'rating': 'mean'})

coffee_houses_rating['rating'] = coffee_houses_rating['rating'].round(2)

m = Map(location=[moscow_lat, moscow_lng], zoom_start=10, tiles='Cartodb Positron')

Choropleth(
    geo_data=state_geo,
    data=coffee_houses_rating,
    columns=['district', 'rating'],
    key_on='feature.name',
    fill_opacity=0.8,
    legend_name='Средний рейтинг кофеен по районам',
).add_to(m)

m

Make this Notebook Trusted to load map: File -> Trust Notebook

Самые высокие рейтинги у кофеен, расположенных в Центральном и Северо-Западном административных округах.
Самые низкие рейтинги у кофеен, расположенных в Западном и Северо-Восточном административных округах.

На какую стоимость чашки капучино стоит ориентироваться при открытии и почему?

coffee_houses_price = coffee_houses.groupby(
    'district', as_index=False
).agg({'middle_coffee_cup': 'median'})

m = Map(location=[moscow_lat, moscow_lng], zoom_start=10, tiles='Cartodb Positron')

Choropleth(
    geo_data=state_geo,
    data=coffee_houses_price,
    columns=['district', 'middle_coffee_cup'],
    key_on='feature.name',
    fill_opacity=0.8,
    legend_name='Средняя стоимость чашки капучино по районам',
).add_to(m)

m

Make this Notebook Trusted to load map: File -> Trust Notebook

Самые высокие медианные цены чашки каппучино в Западном, Центральном и Юго-Западном административных округах.

coffee_houses_price.sort_values(by='middle_coffee_cup')

	district	middle_coffee_cup
0	Восточный административный округ	135.0
6	Юго-Восточный административный округ	147.5
8	Южный административный округ	150.0
2	Северный административный округ	159.0
3	Северо-Восточный административный округ	162.5
4	Северо-Западный административный округ	165.0
1	Западный административный округ	189.0
5	Центральный административный округ	190.0
7	Юго-Западный административный округ	198.0

При выборе стоимости чашки капучино в новой кофейне, стоит ориентироваться на стоимость чашки в соседних заведениях. Если капучино будет стоить дороже, то высокая цена может отпугнуть посетителей.

Рекомендации для открытия новой кофейни:

1) Расположение – Центральный или Западный административный округ. В Центральном административном округе самая большая проходимость и самые высокие цены. В Западном административном округе также высокие цены, а рейтинги кофеен низкие. Таким образом, если открыть хорошую кофейню, то она может стать очень популярной на фоне остальных.

2) Режим работы – некруглосуточный. Круглосутчных кофеен очень мало, так как у посетителей, как правило, нет необходимости собираться с друзьями ночью. Или зайти ночью по пути на работу, с работы или в обеденный перерыв. Так что нужно придерживаться обычного дневного графика работы.

3) Стоимость чашки капучино при открытии не должна превышать 190 рублей для Центрального и Западного административных округов. Если капучино будет стоить дороже обычной (медианной) цены в районе, то высокая цена может отпугнуть посетителей на этапе начала работы.

4) Тип кофейни – несетевая. Кофеен в Москве очень много. Создание собственной, неповторимой кофейни может привлечь посетителей при большом количестве заведений такого же типа в округе.

5) Количество посадочных мест около 80 (допустимый диапазон 40 - 140 мест). Нужно руководствоваться типичными для кофеен значениями количества посадочных мест.

Вывод.

Проведен анализ кофеен в Москве. Установлено следующее:

• всего в Москве 1413 кофеен;
• больше всего кофеен в Центральном административном округе. 30% от общего количества кофеен в Москве. Меньше всего в Северо-Западном административном округе;
• есть круглосуточные кофейни. Таких кофеен всего 4.18% от общего количества;
• практически все круглосуточные кофейни - сетевые. Несетевых всего 9 из 59.
• самые высокие рейтинги у кофеен, расположенных в Центральном и Северо-Западном административных округах;
• самые низкие рейтинги у кофеен, расположенных в Западном и Северо-Восточном административных округах;
• самые высокие медианные цены чашки каппучино в Западном, Центральном и Юго-Западном административных округах.

Общий вывод.

Цель исследования - найти особенности рынка заведений общественного питания Москвы.

Результат исследования поможет в выборе подходящего места для открытия заведения общественного питания в Москве.

Исследование проводится на основе данных сервисов Яндекс Карты и Яндекс Бизнес на лето 2022 года.

Данные moscow_places.csv загружены. Установлено, что:

• всего в данных 14 столбцов и 8406 строк;
• типы данных нормальные;
• в некоторых столбцах есть пропущенные значения.

Проведена предобработка данных:

• приведены к нижнему регистру значения в колонках name и address;
• удалены 4 строки с дубликатами;
• выявлены пропуски. Большое количество пропусков в столбцах middle_coffee_cup, middle_avg_bill, price, avg_bill и seats (больше 40% значений отсутствует). менее 10% значений пропущено в столбце hours;
• пропуски в столбцах с категориальными переменными (price, avg_bill и hours) заменены на значение "нет данных";
• добавлен столбец street с названиями улиц;
• добавлен столбец is_24_7 с обозначением, что заведение работает ежедневно и круглосуточно (24/7).

Проведен анализ данных. Установлено следующее:

• представлена информация о следующих категориях (в порядке убывания количества заведений): кафе; ресторан; кофейня; бар,паб; пиццерия; быстрое питание; столовая; булочная;
• самое маленькое количество посадочных мест обычно в булочных, пицериях и кафе. Медианное значение этих заведений 50-60 мест;
• самое большое количество посадочных мест в ресторанах, барах и кофейнях. Медианное значение около 80-86 мест;
• сетевых заведений общественного питания в Москве меньше, чем несетевых. Доля сетевых - 38.1%, несетевых - 61.9%;
• чаще всего сетевыми заведениями являются булочные, пиццерии и кофейни. Реже всего - столовые и бары;
• среди сетевых заведений самое большое количество точек в Москве у сети кофеен "Шоколадница" - 120 точек. Затем идут сети пиццерий "Домино'с пицца" и "Додо пицца";
• популярные сети относятся к разным категориям. 5 из 15 - кофейни ("Cofefest", "Cofix", "One price coffee", "Кофепорт" и "Шоколадница"), 3 ресторана ("Prime", "Теремок" и "Яндекс лавка") и 3 кафе ("Кулинарная лавка братьев Караваевых", "Му-му" и "Чайхана"), 2 пиццеррии ("Домино'с пицца" и "Додо пицца"), а также булочная ("Буханка") и заведение быстрого питания ("Хинкальная");
• больше всего заведений в Центральном административном районе. Более чем в 2 раза больше, чем в остальных районах;
• меньше всего заведений в Северо-Западном административном округе;
• в Центральном административном районе самая популярная категория заведений - ресторан. Затем идут кафе и кофейни;
• в остальных районах самая популярная категория заведений - кафе. После кафе идут рестораны и кофейни;
• меньше всего во всех районах булочных и столовых;
• самый высокий средний рейтинг у баров (4.39). Затем идут пиццерии, рестораны, кофейни и булочные (средний рейтинг 4.3 - 4.27);
• средний рейтинг столовых (4.21) и кафе (4.12) немного ниже. Самый низкий рейтинг у предприятий быстрого питания - 4.05;
• самое большое количество заведений на проспекте Мира. Самые многочисленные категории: кафе, рестораны и кофейни. В ТОП-15 улиц по количеству заведений попали самые длинные улицы Москвы (проспект Мира, Профсоюзная улица, проспект Вернадского, Ленинский проспект, Ленинградский проспект, Дмитровское шоссе, Каширское шоссе, Варшавское шоссе, Ленинградское шоссе, МКАД, Люблинская улица, улица Вавилова, Кутузовский проспект, улица Миклухо-Маклая и Пятницкая улица);
• улиц, на которых расположен только один объект общественного питания, достаточно много - 457;
• самые большие значения среднего чека в центре Москвы, а также в Западном административном округе;
• самые низкие значения среднего чека в Юго-Западном, Северо-Восточном и Юго-Восточном административных округах.

Проведен анализ кофеен в Москве. Установлено следующее:

• всего в Москве 1413 кофеен;
• больше всего кофеен в Центральном административном округе. 30% от общего количества кофеен в Москве. Меньше всего в Северо-Западном административном округе;
• есть круглосуточные кофейни. Таких кофеен всего 4.18% от общего количества;
• практически все круглосуточные кофейни - сетевые. Несетевых всего 9 из 59.
• самые высокие рейтинги у кофеен, расположенных в Центральном и Северо-Западном административных округах;
• самые низкие рейтинги у кофеен, расположенных в Западном и Северо-Восточном административных округах;
• самые высокие медианные цены чашки каппучино в Западном, Центральном и Юго-Западном административных округах.

Подготовлены рекомендации для открытия новой кофейни в Москве:

• Расположение – Центральный или Западный административный округ. В Центральном административном округе самая большая проходимость и самые высокие цены. В Западном административном округе также высокие цены, а рейтинги кофеен низкие. Таким образом, если открыть хорошую кофейню, то она может стать очень популярной на фоне остальных.
• Режим работы – некруглосуточный. Круглосутчных кофеен очень мало, так как у посетителей, как правило, нет необходимости собираться с друзьями ночью. Или зайти ночью по пути на работу, с работы или в обеденный перерыв. Так что нужно придерживаться обычного дневного графика работы.
• Стоимость чашки капучино при открытии не должна превышать 190 рублей для Центрального и Западного административных округов. Если капучино будет стоить дороже обычной (медианной) цены в районе, то высокая цена может отпугнуть посетителей на этапе начала работы.
• Тип кофейни – несетевая. Кофеен в Москве очень много. Создание собственной, неповторимой кофейни может привлечь посетителей при большом количестве заведений такого же типа в округе.
• Количество посадочных мест около 80 (допустимый диапазон 40 - 140 мест). Нужно руководствоваться типичными для кофеен значениями количества посадочных мест.